DISEÑO EXPERIMENTAL

Regresión múltiple

José Manuel Cerquera Vargas

Marcelo José Medina Casas
Nicolas Rodríguez Lizcano
Julian Mauricio Sanchez Pedroza
 ¿Qué es la regresión múltiple?
Es un modelo estadístico mediante el cual se trata de determinar si existe o no relación de dependencia
entre dos o más variables. Es decir, conociendo los valores de una variable independiente, se trata de
estimar los valores, de una o más variables dependientes.
 Donde se utiliza la regresión múltiple
Este tipo de modelo se utiliza en los casos donde se quiera predecir alguna cantidad continua, por
ejemplo, predecir el tráfico en una tienda minorista, predecir el tiempo de permanencia de un usuario o el
número de páginas visitadas en un blog, etc.
 Clases de regresión
La regresión puede ser lineal y no lineal, ambos tipos de regresión pueden ser a su vez de regresión
simple o múltiple.

Regresión Simple: Este tipo se presenta cuando una variable independiente ejerce influencia sobre
otra variable dependiente.

Objetivo:
*Determinar la relación de dependencia que tiene una variable respecto a otra.
*Ajustar la distribución de frecuencias de una línea, es decir, determinar la forma de la línea de
regresión.
*Predecir un dato desconocido de una variable partiendo de los datos conocidos de otra variable.
Variables independientes o características, son variables que se manipulan para determinar el
valor de una variable dependiente. Simplemente, son las características que queremos usar para
predecir algún valor dado de y.

Variable dependiente u objetivo, depende de los valores de la variable independiente. En pocas

palabras, es la característica que estamos tratando de predecir. Esto también se puede conocer
comúnmente como una variable de respuesta.
 Regresión lineal múltiple
En la Regresión Lineal Múltiple , se manejan múltiples variables independientes que contribuyen a la
variable dependiente. En el modelo de regresión lineal múltiple suponemos que más de una variable tiene
influencia o está correlacionada con el valor de una tercera variable.

Por ejemplo en el peso de una persona pueden influir edad, género y estatura, en la renta pueden influir
trabajo, capital físico, conocimientos, etc.
 Ejemplo
Una Empresa de desarrollo de software establece relacionar sus Ventas en función del numero de
pedidos de los tipos de software que desarrolla (Sistemas, Educativos y Automatizaciones
Empresariales), para atender 10 proyectos en el presente año .

En la Tabla representa:
Y (Ventas miles de S/.)
X (Nº pedidos de sistemas)
W (Nºde pedidos de Aplicaciones Educativas)
Z (Nº de pedidos de Automatizaciones empresariales).
Análisis de Regresión Múltiple: Dispone de una ecuación con dos variables
independientes adicionales:

y= variable dependiente
a= intersección
b1..n= coeficientes
x1..n= variables independientes

Se puede ampliar para cualquier número “m” de variables independientes:

Para poder resolver se puede utilizar programas informáticos como AD+, SPSS y Minitab y Excel.
El error estándar de la regresión múltiple (xy) S Es una medida de dispersión la estimación se
hace más precisa conforme el grado de dispersión alrededor del plano de regresión se hace mas
pequeño. Para medirla se utiliza la formula:
Y : Valores observados en la muestra
Y^n : Valores estimados a partir a partir de la ecuación de regresión
n : Número de datos
m : Número de variables independientes

El coeficiente de determinación múltiple ( r^2)

Mide la tasa porcentual de los cambios de Y que pueden ser explicados por X1 ,X2 y X3
simultáneamente.
 Ejemplo de regresión múltiple
Sea el conjunto de datos:
Este modelo nos permitirá encontrar valores
estimados de la variable dependiente en este
caso y, así podemos decir que la variable Y’
depende de x y de z

Si se requiere en el problema, se pueden formar

otros modelos para que otra variable sea la
Se pide realizar la regrecion lineal dependiente
de Y sobre x, z Asi:

Solución
Paso uno: expresar modelo matemático a usar
Entonces en este caso siendo las variables x, y, z
Usaremos el modelo matemático
Paso 2: encontrar los calores de los parámetros
Después de elegir la variable dependiente y las
independientes, Se construye un sistema de Así, se queda con el siguiente sistema de
ecuaciones normalizadas. ecuaciones:
usando:

Se tiene:

Ahora lo que se hace es multiplicar la ecuación

anterior por cada una de las variables
independientes. Asi:
Paso 3 completar los requerimientos de las Usando un solucionador de ecuaciones se
ecuaciones tiene:

Paso 4 reemplazar los coeficientes en el

modelo inicial
Así se sustituye en las ecuaciones normalizadas
quedando:

Con este sistema de ecuaciones se procede a hallar

el valor de los coeficientes a,b,c.
Este modelo se puede hacer cualquier estimación de y teniendo x y z
Así:
X=2 y z=1
Tiene que dar 10 según la tabla

Ahora para un valor estimado de y con valores de x y z que no se encuentren en la tabla tenemos:
 
Si X=3 y z=5